Brandon Moak sentiu como se um trem de carga o tivesse atingido.
Eram meados de março, e o co-fundador e CTO da startup de caminhões autônomos Embark Trucks estava acompanhando a expansão da Covid-19. Como uma ordem de isolamento entrou em vigor em toda a área da Baía de São Francisco, onde a Embark é localizada, Moak e sua equipe foram forçados a paralisar quase todos os seus 13 semirreboques automáticos (alguns ficaram na estrada transportando mercadorias essenciais, mas não estavam no modo autônomo) e enviaram para casa a maior parte de sua força de trabalho, sem ideia de quanto tempo levaria até que pudessem retornar.
Moak e Embark não estavam sozinhos. Por razões de segurança, veículos autônomos normalmente têm dois operadores cada. Essa é uma situação complicada na era do distanciamento social, e os líderes de empresas de veículos autônomos sabiam que teriam que congelar suas frotas. De repente, toda a indústria emergente estava com problemas. Os veículos autônomos ainda são experimentais, e os testes no mundo real são essenciais para coletar dados e melhorar a capacidade dos carros de operar com segurança. Incapazes de pegar a estrada, as operações de direção autônoma corriam o risco de se tornarem um desperdício de dinheiro, sem uma rota clara para o lançamento do produto em breve.
Enquanto lutavam com essa nova realidade, as demissões abalaram empresas de direção automática como Zoox, Ike e Kodiak Robotics, bem como a divisão autônoma da Lyft.
Mas, como estamos vendo, nem tudo parece estar perdido. Várias empresas trocaram testes em estradas para investigar profundamente seus algoritmos e simuladores, encontrando novos usos para as inúmeras horas de dados que coletaram. Eles estão dobrando esforços para identificação detalhada de dados, mapeamento 3D e identificação de cenários de sessões de rotas anteriores que podem ser usadas para treinar seus sistemas. Alguns até ajudaram os operadores de veículos a aprenderem a rotular dados, equipando-os com novas habilidades que provavelmente serão úteis quando retomarem suas funções.
Para tirar o melhor proveito de uma situação ruim, Moak decidiu criar uma nova ferramenta para permitir que a equipe de operações da Embark rotulasse os quatro anos de dados de direção da empresa. Por exemplo, o software fornece aos motoristas de caminhão Embark imagens de diferentes cenários na estrada e, em seguida, pede que eles determinem se são significativos – e como eles lidariam com cada um com base em sua própria experiência.
A Aurora Innovation, empresa localizada em Palo Alto que desenvolve tecnologia de direção autônoma, adotou uma abordagem semelhante para encontrar tarefas para trabalhadores subutilizados. “Como nem todos os nossos operadores de veículos podem estar na estrada no momento, [eles] uniram forças com nossas equipes de triagem e rotulagem para extrair da nossa enorme coleção de dados de direção, manuais e independentes, situações notáveis na estrada para testes em um ambiente simulado”, escreveu o co-fundador e CEO Chris Urmson em um e-mail para a MIT Technology Review americana. “Isso tem o benefício adicional de aumentar a exposição de nossos operadores à maneira como os dados que eles coletam são usados offline, [o que] lhes proporciona um melhor contexto em nosso processo geral de desenvolvimento e os ajudará a melhorar ainda mais seu trabalho à medida que voltarmos à estrada”, acrescentou.
As empresas também encontraram maneiras criativas de superar o obstáculo de estarem fisicamente separadas de seus produtos.
Urmson, que anteriormente liderou o projeto de carro autônomo do Google, disse que sua equipe está usando a simulação Hardware-In-the-Loop (HIL) para “captura problemas de software que se manifestariam no hardware Aurora e não nos laptops de desenvolvedores ou na nuvem”. A simulação pode sinalizar, por exemplo, um caso em que os sensores de um veículo fossem mais lentos para fazer observações sobre seu ambiente do que os testes simulados no laptop de um desenvolvedor pudessem sugerir.
A Embark, por sua vez, investiu em softwares que poderiam testar componentes de hardware offline. Um teste envolve o sistema de controle do veículo – os algoritmos responsáveis pelo envio de comandos físicos, como a rapidez com que o volante é girado. “A longo prazo, será um bom investimento para nós, mas, a curto prazo, tivemos que dar um grande salto para construir toda essa nova infraestrutura”, disse Moak.
Cruise, pertencente à General Motors, confinou em garagens cerca de 200 veículos em São Francisco e Phoenix, embora esteja usando alguns para fazer entregas de alimentos para organizações de assistência local. A empresa está confiando em seus simuladores avançados para continuar testando o software dos carros – uma prática regular mesmo antes da pandemia, mas o vice-presidente sênior de engenharia da Mo Elshenawy diz que eles estão melhorando os detalhes de como os carros são pontuados em seus simuladores como uma maneira de avaliar melhor a competência em situações incomuns, como quando se lida com ambulâncias ou caminhões de entrega.
Alexandr Wang, fundador e CEO da empresa de rotulação de dados Scale AI, trabalha com empresas como Lyft, Toyota e Nuro, além de Embark e Aurora. Durante a pandemia, a Scale trabalhou na rotulagem detalhada dos dados antigos das empresas por meio da segmentação de nuvens de pontos – usando mapas 3D do ambiente em torno de um veículo para codificar o que cada ponto corresponde (pedestre, sinal de parada, janela, arbusto, carrinho). A equipe também está codificando o comportamento de motoristas, pedestres e ciclistas com tecnologia, incluindo “detecção de olhar”, que visa indicar as intenções do motorista ou se um pedestre pretende atravessar a rua.
Porém, não importa quanto as empresas invistam em seus simuladores, não há como evitar a necessidade de voltar à estrada. E à medida em que os Estados Unidos reabrem, isso está começando a acontecer. Um porta-voz da Waymo escreveu em um e-mail que um dia de condução simulada é semelhante a “dirigir por mais de 100 anos no mundo real”, em parte graças ao poder de computação da empresa-mãe Alphabet. Contudo, a empresa iniciou suas operações de direção em Phoenix e voltou a operar a partir de 11 de maio.
Ainda assim, Wang diz que vê uma mudança na maneira como as empresas de veículos autônomos estão trabalhando – elas estão mudando para abordagens mais inovadoras e experimentação a longo prazo.
“Os que adotam essa visão”, diz ele, “são os que, no final, sairão à frente e estarão em um lugar melhor”.
Correção: este artigo foi alterado para atribuir corretamente aspas adicionais a Urmson. Um exemplo do uso da simulação Hardware-In-the-Loop (HIL) também foi adicionado. Uma referência para Cruise encaminhando seus veículos para a garagem foi alterada para refletir o fato de que alguns estão de fato sendo usados, e “simulação de nuvem de pontos” foi alterada para “segmentação de nuvem de pontos” na citação da Scale AI.
MIT Technology Review
